Using machine learning algorithms for predicting ultimate tensile strength of steel rebar based on quenching parameters
- سال انتشار: 1400
- محل انتشار: هفتمین کنفرانس بین المللی مهندسی مکانیک ، مواد و متالورژی
- کد COI اختصاصی: MEMCONF07_006
- زبان مقاله: انگلیسی
- تعداد مشاهده: 356
نویسندگان
Atieh Steel Company
Atieh Steel Company
Atieh Steel Company
Atieh Steel Company
Atieh Steel Company
Atieh Steel Company
چکیده
Constructing a prediction model for industrial processes is beneficial as it can improve the comprehension of systems and processes in industries. Machine learning-based models are vital tools for predicting complex processes. In this work, the efficiency of different machine learning algorithms for evaluating the impact of steel rebar's quenching parameters on the ultimate tensile strength of steel rebar has been examined. For this aim, the following machine learning-based regression algorithms have been implemented: Random Forest, Decision Tree, Support Vector Machine, Artificial Neural Networks, and K-Nearest Neighbors. The models have been trained and tested on ۲۶۹۷ collected data set recorded in Atieh Steel Company, Iran. The performance of these trained models were compared based on different error criteria. The results illustrate that while Random Forest shows the best performance and can estimate the output satisfactorily among different algorithms, the Decision Tree algorithm had the lowest performance in terms of prediction accuracyکلیدواژه ها
machine learning, prediction, quenching, steel rebar, mechanical strengthمقالات مرتبط جدید
- تحلیل دینامیکی تغییر شرایط دمایی در راه اندازی سرد بویلر نوع D فولاد مبارکه
- بررسی تاثیر شرایط تولید و ذخیره سازی بر رفتار اکسیداسیون مجدد آهن اسفنجی (DRI) و آهن بریکت گرم (HBI)
- بررسی امکان سنجی احیاء هیدروژنی نمونه باطله آهندار هماتیتی (مطالعه موردی باطله هماتیتی معادن گل گهر سیرجان)
- پیش بینی عملکرد فرآیند احیا مستقیم تولید آهن اسفنجی در شرایط مختلف عملیاتی و تعیین عملکرد مطلوب از طریق مدل سازی با نرم افزار Aspen Plus
- بررسی تاثیر تغییر مکانیزم و تعداد پره های دمپر فن سیستم غبارگیر اسکرین اکساید بر عملکرد آن در شرکت فولاد کاوه جنوب کیش
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.